Standardabweichung — Was sie misst und wie man sie anwendet

Die Standardabweichung ist das am häufigsten verwendete Streuungsmaß in einem Datensatz. Sie quantifiziert, wie weit die einzelnen Werte typischerweise vom Mittelwert abweichen. Eine kleine Standardabweichung bedeutet, dass sich die Werte eng um den Mittelwert konzentrieren; eine große zeigt an, dass sie weit gestreut sind.

Was ist die Standardabweichung?

Gegeben sei eine Menge von $N$-Werten $\{x_1, x_2, \ldots, x_N\}$. Die Berechnung erfolgt in fünf Schritten:

1. Mittelwert berechnen $\bar{x} = \dfrac{\sum_{i=1}^{N} x_i}{N}$
2. Jede Abweichung berechnen $d_i = x_i - \bar{x}$
3. Jede Abweichung quadrieren $d_i^2$
4. Den Durchschnitt der quadrierten Abweichungen berechnen, um die Varianz zu erhalten
5. Die Wurzel ziehen, um die Standardabweichung zu erhalten

Das Ziehen der Wurzel im letzten Schritt bringt die Einheit wieder auf denselben Maßstab wie die ursprünglichen Daten, wodurch die Standardabweichung direkt neben dem Mittelwert interpretierbar wird.

Für eine Grundgesamtheit (Population) (Sie haben alle $N$-Werte der Gruppe):

Für eine Stichprobe (Ihre $N$-Werte sind aus einer größeren Gruppe gezogen):

Warum die Stichproben-Standardabweichung N−1 verwendet (Besselsche Korrektur)

Wenn Sie nur eine Stichprobe haben, liegt der Stichprobenmittelwert $\bar{x}$ etwas näher an den Stichprobenwerten als der wahre Mittelwert der Grundgesamtheit $\mu$. Dies führt dazu, dass die roh quadrierten Abweichungen etwas kleiner sind, als sie sein sollten — mit anderen Worten, eine Division durch $N$ würde eine verzerrte (systematisch zu niedrige) Schätzung der Varianz der Grundgesamtheit ergeben.

Die Division durch $N - 1$ korrigiert stattdessen diese Verzerrung. Diese Anpassung ist als Besselsche Korrektur bekannt und macht $s^2$ zu einem erwartungstreuen Schätzer (unverzerrt) der Populationsvarianz $\sigma^2$.

Die Intuition dahinter: Bei einer Stichprobe vom Umfang $N$ sind nur $N - 1$ Abweichungen wirklich „frei“ — sobald Sie die ersten $N - 1$ Abweichungen und den Mittelwert festgelegt haben, ist die letzte Abweichung bestimmt. Sie haben also $N - 1$ Freiheitsgrade.

Wenn der Stichprobenumfang wächst, werden $N$ und $N - 1$ fast gleich und der Unterschied verschwindet — was logisch ist, da eine sehr große Stichprobe praktisch dasselbe ist wie die gesamte Grundgesamtheit.

Von der Stichprobe zur Grundgesamtheit: Der Standardfehler

Die Stichproben-Standardabweichung $s$ beschreibt die Streuung der Werte innerhalb Ihrer Stichprobe. Forscher sind jedoch oft mehr daran interessiert, wie genau der Stichprobenmittelwert $\bar{x}$ den Mittelwert der Grundgesamtheit $\mu$ schätzt.

Die Antwort darauf liefert der Standardfehler des Mittelwerts (SEM):

Der SEM schrumpft, je mehr Daten Sie sammeln (er skaliert mit $1/\sqrt{N}$), was die Intuition formalisiert, dass größere Stichproben zuverlässigere Schätzungen liefern.

Wenn beispielsweise eine Stichprobe von $N = 25$ Schülern eine Standardabweichung der Punktzahlen von $s = 10$ hat, dann ist der SEM $10 / \sqrt{25} = 2$. Ein 95%-Konfidenzintervall für die wahre durchschnittliche Punktzahl ist ungefähr $\bar{x} \pm 1,96 \times \text{SEM}$, wobei 1,96 der kritische Wert der Standardnormalverteilung ist, der die mittleren 95% der Fläche abdeckckt.

So verwenden Sie diesen Rechner

1. Geben Sie Ihre Werte im Textbereich ein, getrennt durch Kommas, Leerzeichen oder Zeilenumbrüche.
2. Wählen Sie den Modus aus — verwenden Sie Grundgesamtheit, wenn Ihre Daten die gesamte betrachtete Gruppe repräsentieren; verwenden Sie Stichprobe, wenn es sich um eine Teilmenge einer größeren Population handelt.
3. Klicken Sie auf Berechnen (oder belassen Sie die Standardwerte, um ein Beispiel zu sehen).
4. Lesen Sie die Ergebnisse ab — die Karteikarte zeigt Anzahl, Summe, Mittelwert, Varianz und Standardabweichung mit den entsprechenden Symbolen ($\mu$/$\bar{x}$, $\sigma^2$/$s^2$, $\sigma$/$s$) an.
5. Erweitern Sie den Abschnitt Schritt-für-Schritt Lösung, um die vollständige, in LaTeX gerenderte Herleitung zu verfolgen.

Interpretation der Ergebnisse

Eine Standardabweichung nahe Null bedeutet, dass die Werte nahezu identisch sind. Eine Standardabweichung, die größer als der Mittelwert ist, signalisiert oft eine hohe relative Variabilität.